Выполнение декластеризации для преференциальной выборки

Декластеризовать данные можно двумя способами: по методу ячеек и с помощью полигонов Вороного. Необходимо отобрать такие образцы, которые могли бы представлять всю поверхность. Однако, и неоднократно, образцы берутся там, где концентрация является наиболее плотной, что искажает представление поверхности. Декластеризация позволяет исправить искаженное представление образцов путем их надлежащего взвешивания, что позволяет создать более точную поверхность.

Более подробно о декластеризации

Шаги:

1. Выберите Кригинг/Кокригинг (Kriging/CoKriging), а затем выберите набор данных и поле, после чего щёлкните на Далее (Next).
2. В качестве типа кригинга выберите Вероятностный (Probability), Дизъюнктивный (Disjunctive) или Простой (Simple). Параметру Тип преобразования (Transformation type) задайте значение По методу нормальных меток (Normal Score), а параметру Декластеризовать перед преобразованием (Decluster before transformation) ― True, затем щёлкните на Далее (Next).
3. В следующем диалоговом окне щёлкните на Далее (Next).
4. На разных вкладках приведены диаграммы Размер ячейки (Cell size), Анизотропия (Anisotropy) и Угол (Angle).
5. Измените значения Размер ячейки (Cell size), Анизотропия (Anisotropy), Угол (Angle) и Сдвиг (Shift), чтобы найти минимум на графике.

   Также можно в списке Метод декластеризации (Declustering method) выбрать Полигональная (Polygonal), чтобы переключиться на отображение полигональной декластеризации.

6. Щёлкните на Далее (Next).
7. В меню Метод аппроксимации (Approximation Method) выберите тип метода, задайте параметр Количество бинов (Number of bins), затем перейдите на вкладку Плотность (Density) или Кумулятивная (Cumulative) в диалоговом окне Преобразование по методу нормальных меток (Normal Score Transformation).
8. Щёлкните на Далее (Next).
9. Укажите необходимые параметры в диалоговом окне Моделирование вариограммы/ковариации (Semivariogram/Covariance Modeling) и щёлкните на Далее (Next).
10. Укажите необходимые параметры в диалоговом окне Радиус поиска (Searching Neighborhood) и щёлкните на Далее (Next).
11. Ознакомьтесь с результатами в диалоговом окне Перекрестная проверка (Cross Validation) и щёлкните на Готово (Finish).
12. Щёлкните на OK в диалоговом окне Отчет метода (Method Report).

Подсказка:

Декластеризация используется только при выборе преобразования по методу нормальных меток в качестве типа преобразования. В качестве метода кригинга выберите Вероятностный (Probability), Простой (Simple) или Дизъюнктивный (Disjunctive), чтобы получить доступ к опции По методу нормальных меток (Normal Score).